CN105354752A - 基于gwr的柔鱼资源与海洋环境因素关系的分析方法 - Google Patents

Abstract

本发明涉及一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，包括：1)获取商业捕捞数据和海洋环境数据；2)对CPUE进行空间冷热点分析，确定柔鱼资源分布的热点区域和冷点区域；3)基于柔鱼CPUE数据与海洋环境数据建立混合地理加权回归模型，导出数据SST和CHL-a的参数；4)将柔鱼热冷点分析图分别与SST等温线图和CHL-a等值线图叠加显示；5)利用GIS对每个热冷点区域的柔鱼CPUE进行经典统计，判断热冷点内部的分布数据，将不同区域的热冷点分布进行对比，构建与GWR参数的关系。与现有技术相比，本发明具有提高了人们对渔业资源及海洋环境响应的认识，提高了分析的正确性和准确性等优点。

Description

基于GWR的柔鱼资源与海洋环境因素关系的分析方法

技术领域

本发明涉及一种渔业资源与海洋环境因素关系的分析方法，尤其是涉及一种基于GWR(地理加权回归模型)的渔业资源与海洋环境因素关系的分析方法。

背景技术

众多研究探讨过渔业资源与海洋环境的关系，但是学者们普遍认为海洋环境对渔业资源的影响和贡献的权重，在空间上是没有差别的，即忽视了海洋环境参数的空间非平稳性。地理加权回归模型(GWR)，正是分析这种空间非平稳性的有效技术，能够让人们了解海洋环境参数在不同的空间位置下，对渔业资源的影响是如何不同的。GWR模型是扩展普通线性回归的模型，是一种算法简单、操作简便的回归估计技术。GWR技术多被应用在经济、自然资源管理、医学等领域，鲜有应用其分析渔业资源数据的研究。

随着GIS的持续发展，空间分析技术也有了新的突破。英国学者提出GWR模型，该模型用于研究空间分布与环境因子的内在规律。GWR能够很好地解决样本数据空间非平稳性和空间自相关等问题，渔场的空间异质性恰好具有这种特征。并且，GWR模型要比传统的最小二乘模型更贴近真实模型。GWR模型可以改进传统空间回归方法，能对影响因子的空间变化进行较为准确的估计。大量研究证明，GWR模型是一种分析空间异质性和非平稳性的有效方法。

现有的客服渔业资源与海洋环境因素的关系研究中存在的缺陷，该缺陷是传统研究认为海洋环境因素对渔业资源的贡献度(即环境因素的参数)在空间上的不变的，即忽视了环境因素的空间非平稳性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法。

本发明的目的可以通过以下技术方案来实现：

一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，GWR分析海洋表面温度SST和叶绿素-a浓度CHL-a的空间非平稳性，及其对柔鱼资源空间分布的影响，所述的分析方法具体包括以下步骤：

1)获取商业捕捞数据和海洋环境数据，将渔获量换算成为单位捕捞努力量渔获量CPUE，并对所有柔鱼数据进行统计，其中海洋环境数据包括海表温度SST和海表叶绿素-a浓度CHL-a；

2)基于局部空间自相关统计量，对CPUE进行空间冷热点分析，确定柔鱼资源分布的热点区域和冷点区域，在GIS环境下绘制热冷点区域的空间分布图；

3)基于柔鱼CPUE数据与海洋环境数据建立混合地理加权回归模型，导出数据SST和CHL-a的参数，绘制该GWR参数的等值线图从而显示其空间的分布格局；

4)在GIS环境下，将柔鱼热冷点分析图分别与SST等温线图和CHL-a等值线图叠加显示；

5)利用GIS对每个热冷点区域的柔鱼CPUE进行经典统计，判断热冷点内部的分布数据，将不同区域的热冷点分布进行对比，构建与GWR参数的关系，得出分析结果。

所述的步骤1)具体为：

11)获取渔业资源数据、海表温度数据和叶绿素-a数据，换算出渔业CPUE，CPUE的计算公式为：

CPUE＝C/E(1)

式中，C表示一艘渔船一天的产量，单位为吨，E表示其对应的作业次数；

12)在GIS环境下，展现出渔业CPUE数据在空间上的分布图，并且分别绘制出SST数据和CHL-a数据的空间分布图。

所述的步骤2)具体为：

13)对数据集中的每一个要素计算局部空间自相关量，即计算Getis-OrdGi*，通过该统计量得到z得分，其中每一个要素为每一个点的CPUE值；

14)局部空间自相关统计量Getis-OrdGi*表示为：

$G_i^{*}=\frac{\underset{j=1}{\overset{n}{\Σ}}{w}_{i,j}{x}_j-\stackrel{\‾}{X}\underset{j=1}{\overset{n}{\Σ}}{w}_{i,j}}{S\sqrt{\frac{\[n\underset{j=1}{\overset{n}{\Σ}}{w^2}_{i,j}-{\left(\underset{j=1}{\overset{n}{\Σ}}{w}_{i,j}\right)}^2\]}{n-1}}}---\left(2\right)$

式中，i，j是两个不同位置的CPUE值，n是CPUE在空间的点位数量，其中x_j是位置j的CPUE值，w_ij是要素i和j之间的空间权重，即欧几里德距离的倒数，表示CPUE的平均值，S表示标准差，即：

$\stackrel{\‾}{X}=\frac{\underset{j=1}{\overset{n}{\Σ}}{x}_j}{n}---\left(3\right)$

$S=\sqrt{\frac{\underset{j=1}{\overset{n}{\Σ}}{x}_j^2}{n}-{\left(\stackrel{\‾}{X}\right)}^2}---\left(4\right)$

15)局部指数检验的标准化统计量，即z得分公式为：

$z\left(G_i^{*}\right)=\frac{G_i^{*}-E\left(G_i^{*}\right)}{\sqrt{VAR\left(G_i^{*}\right)}}---\left(5\right)$

式中，和表示理论期望和理论方差，当z<-2.58表示渔业资源的空间冷点，而当z>+2.58表示渔业资源的空间热点；

16)在GIS环境下对z得分字段进行渲染，判断柔鱼CPUE分布的空间热点与冷点区域。

所述的步骤3)具体为：

17)在扩展的GWR模型中，常数β₀是利用邻近观测值的子样本数据信息进行局部回归估计而得，涉及的变量有海表温度SST和叶绿素-a浓度CHL-a，属于混合地理加权回归模型，表示为：

$Z_i={\mathrm{\&beta;}}_0(u_i,v_i)+\underset{j=1}{\overset{P_s}{\&Sigma;}}{a}_j(u_i,v_i)x_{ij}+\underset{k=1}{\overset{P_S}{\&Sigma;}}{b}_k(u_i,v_i)y_{ik}+{\mathrm{\&epsiv;}}_i---\left(6\right)$

式中，u_i,v_i是捕捞点i的调查海域地理位置；x_ij为第i个捕捞点的独立变量；β₀(u_i,v_i)为第i个点的常数估计值，a_j(u_i,v_i)x_ij为i点的参数SST估计值；P_s为变量的个数；b_k(u_i,v_i)y_ik为i点的参数CHL-a估计值，ε_i为误差纠偏项；

18)首先确定因变量，即CPUE；再次确定解释性变量，即SST和CHL-a，WR为数据集中的各要素构建了一个独立的方程，用于将落在各目标要素的带宽范围内的要素的因变量和解释变量进行合并；在选择AICc或CV带宽方法时，对于FIXED核，GWR查找最佳距离，或对于ADAPTIVE核，GWR查找最佳相邻点数；

19)GWR模型构建并运行之后，得到SST和CHL-a的参数，分别记为C1和C2，每个数据点的C1和C2均不同，这表明SST和CHL-a对柔鱼资源热冷点的影响在空间上是变化的，继而，将C1和C2在GIS环境下绘制成为等值线图。

距离阈值法核函数FIXED就是选取合适的距离作为阈值D，用于解决每个局部回归分析，距离阈值法是自检的权函数选取方法，其关键是选取合适的距离阈值D比较数据点i与回归点j之间的距离d_ij，如果大于阈值则权重为0，反之则为1，表示如下：

$w_{ij}=\left\{\begin{array}{cc}1& d_{ij}\&le;D\\ 0& d_{ij}>D\end{array}\right.---\left(7\right)$

指定带宽的选择，AICc(AkaikeInformationCriterion)/CV准则会给出最优距离或邻域，当不知道如何确定距离阈值时通常选择二者之一；带宽参数由固定距离阈值或固定阈值邻域决定；

AICc信息量准则是Akaike把统计学中的估计参数的极大似然原理加以修正得到的选择准则，称为AIC准则，AIC定义式为：

$AIC=-2\ln L\left({\widehat{\mathrm{\&theta;}}}_L,x\right)+2a---\left(8\right)$

式中，GWR模型的似然函数为L(θ,x),θ的维数为p，x为随机样本，为θ的极大似然估计，a是参数个数，越大的似然函数估计量就越好。

在GIS环境下绘制SST和CHL-a对CPUE的热点分析图，并分别与上述环境加权回归参数SST和CHL-a图层叠加，进行空间可视化显示。

得到热冷点区域内柔鱼资源的分布状态，通过经典统计学方法对不同年份的热冷点中的CPUE，最后分析热冷点与C1和C2在空间分布上的关系。

与现有技术相比，本发明确立了渔业资源CPUE的空间热冷点与海洋环境GWR参数之间的关系，当用样本数据建立GWR模型时，由于CPUE和海洋环境数据在空间上表现出的复杂性、自相关性和变异性，使得海洋环境对CPUE和z得分的影响在不同海域内是不同的，符合现实情况中柔鱼(O.bartramii)捕捞在空间上具有异质性的差异，提高了人们对渔业资源及海洋环境响应的认识，提高了分析的正确性和准确性。

附图说明

图1为本发明的流程图；

图2为研究区域内柔鱼资源数据分布图；

图3为混合地理加权回归模型中参数C1(SST)估计值和热点分析图叠加图；

图4混合地理加权回归模型中参数C2(CHL-a)估计值和热点分析图叠加图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

1)以2004～2013年西北太平洋柔鱼渔业点位及CPUE数据为基础，从已记录的捕捞数据，取其中日期、经纬度、渔获量(CPUE)、穿刺为研究数据，根据10年来的渔获数据按年份计算CPUE，并绘制CPUE空间分布图如图2；

2)对渔获量(CPUE)空间冷热点分析，对数据集中的每一个要素计算Getis-OrdGi*统计，求出z得分。

3)基于z得分和SST、CHL-a数据，建立地理加权回归模型，导出海洋环境相关的GWR参数C1和C2数据，绘制C1和C2的等值线图；

首先获得一个正确指定的OLS模型，然后使用同样的解释变量运行GWR。在GIS环境下中构建GWR模型，添加输出要素类会到内容列表，同时对z得分字段应用默认渲染，然后利用GIS绘制C1和C2的等值线图。

4)将GIS得出SST和CHL-a对CPUE的热点分析图分别与上述环境加权回归参数SST和CHL-a图层叠加，如图3和图4所示；

5)通过经典统计学方法对不同年份的热冷点中的CPUE进行分析(表1为2004-2013年柔鱼资源热冷点区域经典统计)，详细判别柔鱼资源在分布状态。

分析结果

采用GIS经典统计分析和GWR模型方法，探讨出了柔鱼资源及其渔场环境之间的关系：柔鱼栖息温度适宜在8～23℃范围左右，最适温度也就是柔鱼资源密集的温度范围是14～16℃左右，主要产量分布大致在0.1～1mg/m3的叶绿素-a浓度范围，柔鱼高产海域叶绿素-a浓度范围大概在0.3～0.6mg/m3范围。

柔鱼的分布与黑潮、亲潮流动及其势力的强弱所引起的海表水温和叶绿素-a浓度的变化有着密切的联系。不同年份SST和CHL-a对CPUE在空间上的分布不均匀性的影响存在差异，也存在相似性。SST和CHL-a的权重C1、C2对于空间热点的形成，其贡献随着空间位置的变化存在显著差异，对CPUE的空间分布影响具有异质性。

表1

Claims (7)

1.一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，GWR分析海洋表面温度SST和叶绿素-a浓度CHL-a的空间非平稳性，及其对柔鱼资源空间分布的影响，所述的分析方法具体包括以下步骤：

1)获取商业捕捞数据和海洋环境数据，将渔获量换算成为单位捕捞努力量渔获量CPUE，并对所有柔鱼数据进行统计，其中海洋环境数据包括海表温度SST和海表叶绿素-a浓度CHL-a；

2)基于局部空间自相关统计量，对CPUE进行空间冷热点分析，确定柔鱼资源分布的热点区域和冷点区域，在GIS环境下绘制热冷点区域的空间分布图；

3)基于柔鱼CPUE数据与海洋环境数据建立混合地理加权回归模型，导出数据SST和CHL-a的参数，绘制该GWR参数的等值线图从而显示其空间的分布格局；

4)在GIS环境下，将柔鱼热冷点分析图分别与SST等温线图和CHL-a等值线图叠加显示；

5)利用GIS对每个热冷点区域的柔鱼CPUE进行经典统计，判断热冷点内部的分布数据，将不同区域的热冷点分布进行对比，构建与GWR参数的关系，得出分析结果。

2.根据权利要求1所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，所述的步骤1)具体为：

11)获取渔业资源数据、海表温度数据和叶绿素-a数据，换算出渔业CPUE，CPUE的计算公式为：

CPUE＝C/E(1)

式中，C表示一艘渔船一天的产量，单位为吨，E表示其对应的作业次数；

12)在GIS环境下，展现出渔业CPUE数据在空间上的分布图，并且分别绘制出SST数据和CHL-a数据的空间分布图。

3.根据权利要求2所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，所述的步骤2)具体为：

13)对数据集中的每一个要素计算局部空间自相关量，即计算Getis-OrdGi*，通过该统计量得到z得分，其中每一个要素为每一个点的CPUE值；

14)局部空间自相关统计量Getis-OrdGi*表示为：

$G_i^{*}=\frac{\underset{j=1}{\overset{n}{\&Sigma;}}{w}_{i,j}{x}_j-\stackrel{\&OverBar;}{X}\underset{i=1}{\overset{n}{\&Sigma;}}{w}_{i,j}}{S\sqrt{\frac{\&lsqb;n\underset{j=1}{\overset{n}{\&Sigma;}}{w^2}_{i,j}-{\left(\underset{j=1}{\overset{n}{\&Sigma;}}{w}_{i,j}\right)}^2\&rsqb;}{n-1}}}---\left(2\right)$

式中，i，j是两个不同位置的CPUE值，n是CPUE在空间的点位数量，其中x_j是位置j的CPUE值，w_ij是要素i和j之间的空间权重，即欧几里德距离的倒数，X表示CPUE的平均值，S表示标准差，即：

$\begin{array}{cc}\stackrel{\&OverBar;}{X}=\frac{\underset{j=1}{\overset{n}{\&Sigma;}}{x}_j}{n}& \left(3\right)\\ S=\sqrt{\frac{\underset{j=1}{\overset{n}{\&Sigma;}}{x}_j^2}{n}-{\left(\stackrel{\&OverBar;}{X}\right)}^2}& \left(4\right)\end{array}$

15)局部指数检验的标准化统计量，即z得分公式为：

$z\left(G_i^{*}\right)=\frac{G_i^{*}-E\left(G_i^{*}\right)}{\sqrt{VAR\left(G_i^{*}\right)}}---\left(5\right)$

式中，和表示理论期望和理论方差，当z<-2.58表示渔业资源的空间冷点，而当z>+2.58表示渔业资源的空间热点；

16)在GIS环境下对z得分字段进行渲染，判断柔鱼CPUE分布的空间热点与冷点区域。

4.根据权利要求3所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，所述的步骤3)具体为：

17)在扩展的GWR模型中，常数β₀是利用邻近观测值的子样本数据信息进行局部回归估计而得，涉及的变量有海表温度SST和叶绿素-a浓度CHL-a，属于混合地理加权回归模型，表示为：

$Z_i={\mathrm{\&beta;}}_0(u_i,v_i)+\underset{j=1}{\overset{P_s}{\&Sigma;}}{a}_j(u_i,v_i)x_{ij}+\underset{k=1}{\overset{P_S}{\&Sigma;}}{b}_k(u_i,v_i)y_{ik}+{\mathrm{\&epsiv;}}_i---\left(6\right)$

式中，u_i,v_i是捕捞点i的调查海域地理位置；x_ij为第i个捕捞点的独立变量；β₀(u_i,v_i)为第i个点的常数估计值，a_j(u_i,v_i)x_ij为i点的参数SST估计值；P_s为变量的个数；b_k(u_i,v_i)y_ik为i点的参数CHL-a估计值，ε_i为误差纠偏项；

18)首先确定因变量，即CPUE；再次确定解释性变量，即SST和CHL-a，WR为数据集中的各要素构建了一个独立的方程，用于将落在各目标要素的带宽范围内的要素的因变量和解释变量进行合并；在选择AICc或CV带宽方法时，对于FIXED核，GWR查找最佳距离，或对于ADAPTIVE核，GWR查找最佳相邻点数；

19)GWR模型构建并运行之后，得到SST和CHL-a的参数，分别记为C1和C2，每个数据点的C1和C2均不同，这表明SST和CHL-a对柔鱼资源热冷点的影响在空间上是变化的，继而，将C1和C2在GIS环境下绘制成为等值线图。

5.根据权利要求4所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，距离阈值法核函数FIXED就是选取合适的距离作为阈值D，用于解决每个局部回归分析，距离阈值法是自检的权函数选取方法，其关键是选取合适的距离阈值D比较数据点i与回归点j之间的距离d_ij，如果大于阈值则权重为0，反之则为1，表示如下：

$w_{ij}=\left\{\begin{array}{cc}1& d_{ij}\&le;D\\ 0& d_{ij}>D\end{array}\right.---\left(7\right)$

指定带宽的选择，AICc/CV准则会给出最优距离或邻域，当不知道如何确定距离阈值时通常选择二者之一；带宽参数由固定距离阈值或固定阈值邻域决定；

AICc信息量准则是Akaike把统计学中的估计参数的极大似然原理加以修正得到的选择准则，称为AIC准则，AIC定义式为：

$AIC=-2\ln L({\widehat{\mathrm{\&theta;}}}_L,x)+2a---\left(8\right)$

式中，GWR模型的似然函数为L(θ,x),θ的维数为p，x为随机样本，为θ的极大似然估计，a是参数个数，越大的似然函数估计量就越好。

6.根据权利要求4所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，在GIS环境下绘制SST和CHL-a对CPUE的热点分析图，并分别与上述环境加权回归参数SST和CHL-a图层叠加，进行空间可视化显示。

7.根据权利要求6所述的一种基于GWR的柔鱼资源与海洋环境因素关系的分析方法，其特征在于，得到热冷点区域内柔鱼资源的分布状态，通过经典统计学方法对不同年份的热冷点中的CPUE，最后分析热冷点与C1和C2在空间分布上的关系。